要将文件路径中的图像格式化为与Python中的mnist.load_data()
相同的格式,可以按照以下步骤进行操作:
import os
import cv2
import numpy as np
from tensorflow.keras.datasets import mnist
def load_images_from_path(path):
images = []
labels = []
for filename in os.listdir(path):
if filename.endswith(".jpg") or filename.endswith(".png"):
img = cv2.imread(os.path.join(path, filename), cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img, (28, 28))
img = np.reshape(img, (28, 28, 1))
images.append(img)
labels.append(int(filename.split("_")[0])) # 假设文件名格式为"label_XXX.jpg"
return np.array(images), np.array(labels)
path = "/path/to/images" # 图像文件夹路径
images, labels = load_images_from_path(path)
现在,images
和labels
变量中的图像数据和对应的标签已经与mnist.load_data()
返回的格式相同了。你可以将它们用于训练机器学习模型或进行其他相关操作。
注意:这里的代码示例假设图像文件是灰度图像,并且已经调整为28x28像素大小。如果你的图像格式不同,你可能需要根据实际情况进行相应的调整。
领取专属 10元无门槛券
手把手带您无忧上云